黃山峰，秦冠軍，姜凱，金巖磊，葛立青

(南京南瑞繼保電氣有限公司，南京 211100)

風(fēng)電機組是可再生風(fēng)力資源開發(fā)形式中十分重要的設(shè)備之一，在后期運行中，其成本極高，因此針對風(fēng)電機組在運行過程中的狀態(tài)監(jiān)測具有十分重要的價值和意義。在風(fēng)電機組當(dāng)中，風(fēng)電變槳電機的狀態(tài)參數(shù)主要包括溫度、振動、油液等[1]。當(dāng)前，針對風(fēng)電變槳電機的故障預(yù)警機制相對單一，例如設(shè)定油池溫度上限報警；設(shè)定軸承溫度上限等。但這種預(yù)警方式存在極大的局限性，并且在實際應(yīng)用中還會受到檢測數(shù)據(jù)采集精度的影響。而現(xiàn)有預(yù)警模型在應(yīng)用到風(fēng)力變槳電機當(dāng)中針對其溫度進(jìn)行預(yù)警也存在以單一參數(shù)為依據(jù)的缺陷，無法確保對溫度變化趨勢準(zhǔn)確預(yù)測，因此也無法保證預(yù)警的精度，得出的結(jié)果對于實際應(yīng)用價值并不大。多元線性回歸算法是一種用于確定因變量和各個自變量之間關(guān)系的數(shù)學(xué)模型，當(dāng)前這一算法常被應(yīng)用于計算機領(lǐng)域、自然科學(xué)領(lǐng)域和技術(shù)科學(xué)領(lǐng)域當(dāng)中。在實際應(yīng)用中，這一算法具備更高的計算精度，可解決關(guān)系邏輯復(fù)雜的問題[2]。但這一算法目前在對各類機電設(shè)備的運行狀態(tài)預(yù)測和預(yù)警中應(yīng)用并未涉及。因此，基于這一算法的應(yīng)用優(yōu)勢，為促進(jìn)風(fēng)電變槳電機運行安全性的提升，開展對其溫度預(yù)警方法的設(shè)計研究。

1 基于多元線性回歸算法的風(fēng)電變槳電機溫度預(yù)警方法

1.1 風(fēng)電變槳電機溫度狀態(tài)監(jiān)測數(shù)據(jù)采集與處理

為實現(xiàn)對風(fēng)電變槳電機溫度異常的預(yù)警，首先需要獲取風(fēng)電變槳電機在運行過程中溫度狀態(tài)監(jiān)測數(shù)據(jù)。在電機運行的過程中，引入SCADA對電機溫度數(shù)據(jù)進(jìn)行采集，監(jiān)測溫度的區(qū)域包括風(fēng)電變槳電機的發(fā)電機繞組、發(fā)電機軸承、整流器、機艙控制柜、塔基控制柜以及風(fēng)電變槳電機所處環(huán)境的溫度[3]。

在獲取所需的監(jiān)測數(shù)據(jù)后，針對數(shù)據(jù)進(jìn)行處理。從SCADA監(jiān)測數(shù)據(jù)庫當(dāng)中提取出的數(shù)據(jù)往往存在缺失或數(shù)據(jù)利用價值過低的問題[4]。因此，為了確保后續(xù)預(yù)警時有足夠的數(shù)據(jù)支撐條件，針對原始數(shù)據(jù)進(jìn)行集成、清理、更換和規(guī)約處理[5]。第一步，針對監(jiān)測數(shù)據(jù)中的異構(gòu)數(shù)據(jù)匯總，在底層完成對原始數(shù)據(jù)的提煉。第二步，對數(shù)據(jù)采取缺失填充以及噪聲處理等實現(xiàn)對數(shù)據(jù)的清理[6]。第三步，對數(shù)據(jù)進(jìn)行小數(shù)縮放變換，其表達(dá)式為：

v′(i)=v(i)/10k

(1)

式(1)中：v′(i)為經(jīng)過變換處理后某一數(shù)據(jù)樣本i的特征值；v(i)為某一數(shù)據(jù)樣本i的特征值；k是確保變換后的特征值最大數(shù)值小于1的最小比例。利用上述公式，完成對數(shù)據(jù)的變換。第四步，由于從SCADA監(jiān)測數(shù)據(jù)庫中獲取的數(shù)據(jù)集較大，在后期建模時會消耗大量時間，因此需要對數(shù)據(jù)進(jìn)行規(guī)約處理。通過提取10 min間隔數(shù)據(jù)的方式規(guī)約，減少模型中的數(shù)據(jù)量。

1.2 風(fēng)電變槳電機溫度預(yù)警模型特征選擇

為提高風(fēng)電變槳電機溫度預(yù)警精度，需要對后續(xù)預(yù)警模型中的特征進(jìn)行選擇。引入Relief算法，從樣本集當(dāng)中選擇樣例以及與該樣例間隔最近的n個樣例[7]。對樣例之間的特征屬性進(jìn)行計算，并得到特征屬性的權(quán)值。這一過程可以用下述公式表示：

(2)

式(2)中：W[A]為特征屬性；NA為與特征屬性的距離；Nt為與決策屬性的距離；Nr為與兩種屬性的平均距離。在應(yīng)用到對風(fēng)電變槳電機溫度的預(yù)警中，發(fā)電機轉(zhuǎn)速、變槳編碼器位置、變流器扭矩給定值、工況、變槳電機電流、變槳柜溫度、變槳備電電容溫度、電機運行環(huán)境溫度等均為后續(xù)預(yù)警模型的特征數(shù)據(jù)，其中工況為分類型特征數(shù)據(jù)，其余均為數(shù)值型特征數(shù)據(jù)。

1.3 基于多元線性回歸算法的溫度預(yù)警模型構(gòu)建

在上述獲取到的風(fēng)電變槳電機溫度預(yù)警模型特征數(shù)據(jù)基礎(chǔ)上，基于多元線性回歸算法，對溫度預(yù)警模型進(jìn)行構(gòu)建[8]。利用這一算法，確定模型當(dāng)中因變量與多個自變量之間的關(guān)系，通過上述論述得出，模型中的自變量包括變漿柜溫度、變槳備電電容溫度、電機運行環(huán)境溫度等，將各個變量代入到下述公式當(dāng)中，實現(xiàn)對預(yù)警模型的構(gòu)建：

Y=Xβ+ε

(3)

式(3)中：Y為因變量，在本文預(yù)警方法中，因變量為預(yù)警響應(yīng)數(shù)值；X為自變量，即上述變槳柜溫度、變槳備電電容溫度、電機運行環(huán)境溫度等數(shù)據(jù)；β為回歸系數(shù)；ε為各個因變量的預(yù)測殘差。公式(3)中，X又可以以矩陣形式表示：

(4)

利用式(3)和式(4)對因變量的預(yù)測結(jié)果進(jìn)行求解，得出的結(jié)果即為風(fēng)力變槳電機溫度變化趨勢預(yù)測結(jié)果，根據(jù)預(yù)測結(jié)果與溫度標(biāo)準(zhǔn)范圍的比較，判斷是否需要作出預(yù)警響應(yīng)[9]。

1.4 溫度異常趨勢描述與預(yù)警響應(yīng)

針對溫度異常的預(yù)警響應(yīng)實質(zhì)是尋找與標(biāo)準(zhǔn)狀態(tài)不相符的數(shù)據(jù)，并對數(shù)據(jù)作出響應(yīng)?？山Y(jié)合點異常的方式對溫度異常趨勢進(jìn)行描述。在連續(xù)的溫度數(shù)據(jù)樣本當(dāng)中，針對某一節(jié)點上溫度數(shù)值的變化和其他點具有顯著的差異，則在該序列當(dāng)中，這一節(jié)點即為極值點[10]?；谶@一理論，在利用預(yù)警模型得到相應(yīng)的溫度數(shù)值后，判斷是否存在點異常，若存在則確定該點異常所在序列，并發(fā)出預(yù)警響應(yīng)；若不存在則不發(fā)出預(yù)警響應(yīng)。

2 實驗論證分析

2.1 實驗準(zhǔn)備

為實現(xiàn)對基于多元線性回歸算法的預(yù)警方法應(yīng)用效果檢驗，選擇將該預(yù)警方法和基于自適應(yīng)閾值的預(yù)警方法應(yīng)用到相同的實驗環(huán)境當(dāng)中，并針對相同的風(fēng)電變槳電機的溫度進(jìn)行預(yù)警。以某風(fēng)力發(fā)電企業(yè)為依托，將該企業(yè)的風(fēng)力發(fā)電機組運行環(huán)境作為實驗環(huán)境。該風(fēng)力發(fā)電機組當(dāng)中使用的風(fēng)電變槳電機為AKOF112.-5600型號風(fēng)電變槳電機，該型號變槳電機正常運行過程中的額定功率為10.5 kW；額定電壓為260 V；額定轉(zhuǎn)速為2 500 r/m；外接直流電源電壓為260 V；采用直流伺服驅(qū)動器對電機運行速度進(jìn)行控制；外形尺寸為1 000 mm×350 mm×530 mm(長×寬×高)。AKOF112.-5600型號風(fēng)電變槳電機的運行環(huán)境條件為：海拔高度在0～2 000 m范圍內(nèi)；環(huán)境存儲溫度在-40 ℃～+45 ℃之間(對變槳電機所有附件亦有同樣的要求)；環(huán)境運行溫度在-30 ℃～+40 ℃范圍內(nèi)(對變槳電機所有附件亦有同樣的要求)；環(huán)境濕度在5%～95%范圍內(nèi)；污染等級在4級以下。將AKOF112.-5600型號風(fēng)電變槳電機應(yīng)用到符合上述條件的運行環(huán)境當(dāng)中，開展下述對比實驗。為方便論述，將基于多元線性回歸算法的預(yù)警方法設(shè)置為實驗組，將基于自適應(yīng)閾值的預(yù)警方法設(shè)置為對照組。

2.2 實驗結(jié)果及分析

為實現(xiàn)對兩種預(yù)警方法預(yù)警精度的驗證，將預(yù)警結(jié)果中的溫度與實際風(fēng)電變槳電機溫度之間產(chǎn)生的偏差作為評價指標(biāo)，若溫度偏差越大，則說明該預(yù)警方法的預(yù)警精度越低；反之，若溫度偏差越小，則說明該預(yù)警方法的預(yù)警精度更高。根據(jù)這一評價指標(biāo)，針對上述AKOF112.-5600型號風(fēng)電變槳電機，對其在運行過程中兩種預(yù)警方法溫度偏差記錄，并繪制成如表1所示的實驗結(jié)果對比表。

表1 實驗組與對照組預(yù)警方法溫度偏差對比表

在風(fēng)電變槳電機運行過程中，為實現(xiàn)對其溫度異常情況的高精度預(yù)警，需要保證對溫度的監(jiān)測偏差在-0.1 ℃～+0.1 ℃范圍內(nèi)。在基于這一要求基礎(chǔ)上，對表1得到的實驗數(shù)據(jù)進(jìn)行分析，從表1中可以看出，實驗組預(yù)警方法的溫度偏差均在-0.1 ℃～+0.1 ℃范圍內(nèi)，而對照組預(yù)警方法的溫度偏差均超出了這一規(guī)定范圍。因此，通過上述得出的實驗結(jié)果初步證明，本文提出的基于多元線性回歸算法的預(yù)警方法在實際應(yīng)用中能夠?qū)崿F(xiàn)對風(fēng)電變槳電機運行溫度的高精度監(jiān)測，為后續(xù)預(yù)警響應(yīng)提供更可靠的數(shù)據(jù)依據(jù)。

在上述實驗基礎(chǔ)上，再針對兩種預(yù)警方法的預(yù)警響應(yīng)時效性進(jìn)行對比，將預(yù)警響應(yīng)時間作為時效性量化指標(biāo)。預(yù)警響應(yīng)時間數(shù)值越小，則該預(yù)警方法的預(yù)警響應(yīng)時效性越高；反之，預(yù)警響應(yīng)時間數(shù)值越大，則該預(yù)警方法的預(yù)警響應(yīng)時效性越低。通過人為方式將兩種預(yù)警方法檢測到的溫度數(shù)據(jù)進(jìn)行調(diào)整，并設(shè)定數(shù)值超出安全溫度范圍以外。利用精度為0.01 s的秒分計時器對兩種預(yù)警方法發(fā)現(xiàn)溫度超出規(guī)定范圍時給出預(yù)警響應(yīng)的時間進(jìn)行記錄，并將秒分計時器得到的數(shù)據(jù)記錄，為方便比較，繪制成表2所示。

表2 實驗組與對照組預(yù)警方法預(yù)警響應(yīng)時間對比

從表2中得到的數(shù)據(jù)可以看出，實驗組的預(yù)警響應(yīng)時間均在0.55 s以下，而對照組預(yù)警響應(yīng)時間均超過了4.00 s。從兩種預(yù)警方法預(yù)警響應(yīng)時間對比可以看出，實驗組明顯小于對照組，根據(jù)上述論述可知，實驗組預(yù)警方法的時效性更強。綜合上述兩方面實驗得到的數(shù)據(jù)證明，本文提出的基于多元線性回歸算法的預(yù)警方法具備更高的預(yù)警精度和預(yù)警響應(yīng)效率。將這一預(yù)警方法應(yīng)用于實際可以促進(jìn)風(fēng)電變槳電機運行質(zhì)量和運行安全性的提升。

3 結(jié)語

風(fēng)力變槳電機在風(fēng)力發(fā)電中具有十分重要的作用，針對其在運行過程中的溫度監(jiān)測對于保證電機運行安全而言具有極高價值。本文在引入多元線性回歸算法的基礎(chǔ)上，提出了一種全新的預(yù)警方法，并通過對比實驗的方式對兩種預(yù)警方法的應(yīng)用性能進(jìn)行驗證。本文提出的預(yù)警方法不僅在預(yù)警精度上具備優(yōu)勢，在預(yù)警時效性上也具有更理想的效果。風(fēng)力變槳電機的故障類型眾多，針對每一種故障都有著獨特的特點。因此，為進(jìn)一步提高電機運行的安全性，在后續(xù)的研究中還將對其多種故障類型下的具體特征進(jìn)行分析，并提出相應(yīng)的預(yù)警方法。